Elorian's Glimpse spolar tillbaka videon innan den svarar

Den mest intressanta meningen i Elorians lanseringsinlägg för Glimpse handlar inte om ett benchmark. Den handlar om ett fönster på 0,9 sekunder. I ett av de bearbetade spåren som företaget publicerade den 16 oktober 2026 kör Glimpse en första genomgång av ett klipp vid ungefär 8 bilder per sekund, når en preliminär tolkning och går sedan tillbaka och skannar om den nio tiondels sekunden vid omkring 14 bilder per sekund för att avgöra om den tittar på en kamerapanorering eller en klippning. Ett andra spår, i samma inlägg, följer en enda fönsterkant från omkring 2,2 sekunder in i ett klipp tills den nästan stannar vid 5,13 sekunder.När en förhandsvisningsmodell sitter i en produktionsväg är de felmoder som spelar roll de som redan är loggade i incidentarkivet, vilket är där vi följer de som faktiskt har inträffat.

That is the pitch, and it is a genuinely different one. Glimpse is Elorian's first model: a visual-reasoning system that the company describes as reasoning in visual space rather than converting an image into language and reasoning there. Elorian itself is not obscure — it came out of stealth in April 2026 behind Andrew Dai, a former G​oogle researcher, with $55 million from Striker Ventures, Menlo Ventures and Altimeter and participation from N​VIDIA, 49 Palms and Jeff Dean, and Forbes put it on its Next Billion-Dollar Startups list in July. Glimpse is a research preview, available now through an API and a chat interface, and it is the first thing the company has actually shipped.

Vad "tillbakaspolning" innebär, mekaniskt

Elorian kallar visningsytan för det visuella skissutrymmet. Företagets beskrivning av vad modellen gör inuti den är specifik: den kan zooma in i en region, observera ett kort intervall med tätare bildfrekvens, eller följa ett särdrag över tid. Inlägget ramar in beteendet som "att ifrågasätta sitt första intryck och återvända till de visuella bevisen innan det svarar."

Två egenskaper hos detta är värda att hålla isär, eftersom de blandas samman.

Det första är återinträdande sampling. Vanliga videoförståelsemodeller samplar bildrutor enligt ett fast schema – ofta ett enhetligt rutnät, ibland en heuristik för nyckelbildrutor – och allt som faller mellan två samplade bildrutor är borta. Glimpse kan lägga extra beräkningskraft på ett specifikt intervall efter att den redan har sett hela klippet. Upptrappningen från 8 till 14 fps är den förmågan i sin minsta form. Det spelar störst roll för just de frågor där fast sampling misslyckas: panorering eller klipp, huruvida två förekomster av ett objekt är samma objekt, vad som hände under halvsekunden runt en händelse.

Det andra är själva spåret. Elorians plattform visar modellens arbetsutrymme medan den resonerar, vilket innebär att bevisningen för ett svar inkluderar var modellen tittade. Det är en annan typ av granskningsspår än en kedja av texttoken, och det är den del som har uppenbart nedströmsvärde – ett svar om en byggarbetsplats som kommer med de tidsstämplar det byggde på går att granska på ett sätt som ett stycke prosa inte gör.

Under båda dessa uppger företaget att modellen tränades från början till slut för att använda multimodala verktyg – skriva kod, omvandla bilder, titta på video – och kan skapa och samordna subagenter som utbyter text, visuella artefakter och interna representationer. Enligt Elorian eftertränades den på en basmodell med öppna vikter av ett litet team med ”endast några hundra GPU:er”, och positioneras som ”en avsevärt mindre och billigare modell” än de frontier-system som den benchmarkas mot.

Hälften av benchmark-tabellen som spelar roll

Glimpses egen resultatsida publicerar en tabell mot GPT-6 Astra, och dessa är leverantörsrapporterade siffror utan oberoende reproduktion. Det ovanliga är hur blandad tabellen är. På mätuppgifterna vinner Glimpse eller ligger lika. På de svårare inferensuppgifterna förlorar den.

• WGO Bench (manipulationshändelser) – Glimpse 42,70 mot GPT-6 Astra 39,42.

• CharXiv-R — 92,90 vs 92,10.

• UGC-VideoCap — 82,66 mot 80,32.

• FSC-147 — 83,36 mot 82,02.

• ERQA — 83,75, i nivå med Astra.

• E.T. Bench — 63.55, ahead of G​emini 3.8 Flash's 63.45.

• BabyVision — 95,36 mot Astra 97,68.

• DREAM-1K — 76,04 mot 79,05.

• TOMATO — 93,60 mot 96,02.

• Video-MME v2 — 56,68 mot Astra 64,06 och GPT-6.1 Sol 65,27.

• CountQA — 82,66 mot 86,42 för både Astra och Sol.

• HSS — 46,36 mot Astra 53,6.

Det finns en fotnot fäst vid tabellen som läsaren bör ta med sig in i var och en av dessa rader: resultaten använder den högsta tänkningsansträngningen med modellens inbyggda agent-harness, och för de flesta videoutvärderingar kördes Sol och Opus 5.5 med hög snarare än maximal ansträngning. HSS-raden blandar in siffror som rapporterats i artiklar från andra labb. Inget av detta ogiltigförklarar tabellen, men det innebär att jämförelsen är Glimpse i dess bästa möjliga konfiguration mot flera konkurrenter som körs på något mindre än deras eget maximum — och Glimpse förlorar fortfarande den inferenstunga halvan.

Den ärliga tolkningen av den uppdelningen är snäv och användbar. Att resonera genom att titta igen ger dig bättre perception: att räkna, beskriva, läsa diagram, följa ett litet objekt genom rörelse. Det ger dig inte det som HSS mäter, vilket är vad en scen implicerar. Mer tittande är inte mer förståelse, och modellens egen tabell är beviset.

Vad prispåståendet faktiskt påstår

Glimpse is priced at $0.60 per million input tokens and $3.00 per million output. Elorian spells out the comparison in its own post: 94% below GPT-6 Astra at $10/$50, 85% below C​laude Opus 5.5 at $4/$20, 70% below GPT-6.1 Sol at $2/$10, and 20% below G​emini 3.8 Flash's introductory rate of $0.75/$3.75. The post also gives a task-level figure — one robot-planning episode cost $0.035 on Glimpse against $0.249 on Astra.

Those are the vendor's numbers about the vendor's model and they are not independently checked. Two things about them are still worth noting. The first is that the percentage claims are all measured against frontier flagships, not against the cheap end of the market; on tokens alone Glimpse is squarely mid-market, and the article next to this one on Qwen 3.8 works through what happens when you put it beside A​libaba's volume tier instead. The second is that a rate card on a research preview can move at any time, and this is the one place where the routing layer earns its mention: OrcaRouter passes provider list price through with nothing added per token, so a vendor price change on a model we serve is live on our side the same day, and automatic failover means an unproven preview can sit behind a production path rather than in front of it. Glimpse is not on our catalogue today — Elorian's own API and chat interface are where you get it — so that is a statement about how we price, not a claim to host it.

Benchmarken som Glimpse förlorade på är dess egen.

Nio dagar innan modellen lanserades publicerade Elorian ett benchmark. Humanity's Sixth Sense, byggt i partnerskap med Scale AI, mäter implicit visuellt resonemang – vad en scen antyder snarare än vad den uttalar. Det är 522 uppgifter, 288 stillbilder och 234 korta videoklipp, 17,6 timmar video, poängsatta med människoskrivna bedömningskriterier inom fyra domäner. Tjugofem modeller från åtta företag testades.

Spridningen är själva poängen. Den mänskliga baslinjen är 93,1 %. Den bästa publicerade modellen hamnar på 53,6. Medianmodellen får 30,9 %, och en blind kontroll där medieinnehållet tagits bort får fortfarande 6,6 % – vilket visar hur stor del av uppgiften som går att besvara utan att titta. Av de märkta felen beror 94 % på att se eller sluta sig till snarare än på resonemang: 53 % felläsning, 41 % missade implikationer, ungefär 5 % logiska fel. I ett fall kostade en höjning av resonemangsansträngningen från high till xhigh en modell 14 poäng.

Glimpse scores 46.36 on it. That is well above the median and above C​laude Opus 5.5's 44.6 and GPT-6.1 Sol's 46.6 — but behind GPT-6 Astra's 53.6, and on a benchmark the company built. Publishing a benchmark your own model fails to top is a credibility signal, and it also tells you precisely what the rewind does not fix.

Vad Elorian inte har publicerat

Det här är avsnittet som de flesta reportage om lanseringen kommer att hoppa över, så det hör hemma här utan omsvep. Glimpse-inlägget anger inget parameterantal. Inget kontextfönster. Inga varianter av modellstorlek. Ingen beskrivning av arkitekturen utöver "eftertränad på en basmodell med öppna vikter", vilket inte namnger basmodellen. Inga förträningsdata. Inga gränser för utdatatoken, inga hastighetsbegränsningar och ingen API-slutpunktsdokumentation utöver själva plattformen.

Det är inte ovanligt för en forskningsförhandsvisning, och det är inte en anledning att misstro något av det som står ovan. Det är en anledning att vara försiktig med en specifik typ av påstående: varje siffra för Glimpses storlek, kontext eller genomströmning som cirkulerar den här veckan är en uppskattning snarare än ett avslöjande, och att behandla en uppskattning som en specifikation är hur en kapacitetsplan går fel.

Företaget är också tydligt med vad modellen ännu inte gör. Generering av robotåtgärder listas som framtida arbete; kalibrerad rekonstruktion och robotstyrning beskrivs som ”arbete som återstår”. I det genomräknade däcktrycksexemplet kallas svaret en kvalitativ förutsägelse från ett fotografi, utan att någon bana eller stötkraft har simulerats. Och några av exemplen är märkta som granskade referenssvar snarare än inspelade modellspår, med bildtext- och övergångsspår komprimerade för publicering – en upplysning som är värd att respektera snarare än att skumma igenom.

Vem borde göra något åt det här nu?

Om du har videobearbetning där felmoden är tidsmässig snarare än semantisk — objektidentitet över ett klipp, en händelse inom ett fönster på under en sekund, ett antal som ändras när något skymmer — är Glimpse den första hostade modellen vars angivna mekanism direkt riktar in sig på det, och den kostnadsfria registreringen gör testet billigt. Spåren gör också felet begripligt: om skissutrymmet visar att modellen aldrig skannade om intervallet som spelade roll, har du lärt dig något om din pipeline och inte bara om modellen.

Om ditt behov är slutledning om vad en scen innebär, vänta. Leverantörens egen HSS-tabell säger att återspolningen inte tar dig dit, och inget i utgåvan tyder på att nästa version kommer att stänga en 7-punktslucka i ett steg. Håll ögonen på tre saker under de kommande två månaderna: om Elorian publicerar basmodellen som den byggdes på, om någon oberoende testrigg reproducerar en rad i den tabellen, och om kontextfönstret visar sig vara tillräckligt stort för att rymma videon som ett verkligt arbetsflöde ger det. Alla tre är för närvarande tomma, och alla tre avgör om Glimpse är en förmåga eller en demo.

Inget av detta är hypotetiskt: de dokumenterade AI-felen och agentincidenterna bakom släpp som detta samlas i OrcaRouter AI Incident Archive, där varje post har sina egna källor, allvarlighetsgrad, tillförlitlighetsgrad och omtvistad flagga.